材料界AlphaFold来了！微软AI模子登上Nature
发布日期：2025-02-26 05:39 点击次数：130
杰出有限已知材料，材料界的AlphaFold来了？！
刚刚，微软CEO纳德拉亲身站台，官宣旗下MatterGen模子登上Nature，粗略杰出现在已知材料，利用AI发现针对特定需求的新材料了。
这也意味着材料想象领域产生了新的范式：
利用生成式AI，材料发现从传统的数据库筛选滚动为把柄需求教导平直生成。
有网友反手即是精好意思追想，这不即是“材料界的AlphaFold”的感jio吗？
据论文先容，比拟传统的发现样子，MatterGen能将生成表露、专有且新颖材料的比例提高2倍以上，并使生成结构距离其DFT局部能量最小值（即准确性）提高近10倍之多。
而这些擢升，对电动车、航空航天、电子芯片等高技术领域后劲雄壮。
音书公布后，指摘区平直“Awesome”一派，全球纷繁暗意AI将极大加快材料发现。
与此同期，论文作家之一Tian Xie也补充说念，团队将在MIT许可下发布MatterGen的磨练和推理代码，以怡悦开源社区进一步探索。
值得一提的是，论文也提到了，微软和中科院SIAT（深圳先进技艺计议院）的团队还配合利用MatterGen奏效得到了一种新式材料TaCr₂O₆，并测量了属性值在标的20%以内。
具体怎样结束的
详尽而言，MatterGen模子证据作用的要害，全在于背后专有的扩散模子架构。
和图像扩散模子雷同，亦然从一个随即噪声的材料结构运转，冉冉骤整原子位置、元素类型和晶格结构，直到生成出一个妥当想象要求的材料结构。
这一扩散历程中，有两个要害组件值得一提。
一个是等变分数网罗，肃肃学习怎样从扩散历程中规复出原始的晶体结构（即去噪历程）。
具体来说，等变分数网罗通过学习数据中的模式，粗略输出原子类型、坐标和晶格的等变分数。这些分数代表了每个原子和晶格参数在现时结构中的“不适配度”，即它们与理念念晶体结构的偏差。
网罗通过议论这些分数，诱导模子怎样治愈原子和晶格参数，以减少结构中的噪声，使其更接近一个表露的晶体结构。
具体操作包括：
关于原子类型：把柄材料的化学构成法例和对称性，判断原子类型的变化是否合理；关于坐标：依据晶体的周期性鸿沟条目和几何特征，矫正因扩散引入的坐标偏差；关于晶格：可趋奉晶格的对称性和材料的物感性质，治愈晶格参数，使生成的晶格结构表露且妥当要求；另一个即是适配器模块，肃肃对预磨练的分数网罗进行微调。
这是一个可调节的组件，被引入到模子的每一层当中，能把柄给定的性质标签调动模子输出。
也即是说，当需要生成具有特定化学构成、对称性或标量性质（如磁密度）拘谨的材料时，不错利用带有相应性质标签的数据集对模子进行微调。
在微调历程中，分数网罗参数会被优化，以使模子生成的结构更好地怡悦特定任务的要求。这一组件不仅擢升了模子的适用性，微调也意味着无需重新学习每个任务的特点。
本体上，微软早在一年前就发布了MatterGen模子，其时谷歌DeepMind的GNoME器用奏效揣测出220万种晶体结构，在学术界掀翻热议。
比拟前次，该项计议作家之一Tian Xie宣称，MatterGen模子来了个猛进化。
合座上，性能谋划升级了。不仅奏效合成了新的材料，况且其属性值与标的值的偏差裁汰到了20%以内。
同期收成于一种新的结构匹配算法，其生成表露、新颖材料的比例提高了2倍以上。
除此除外，微软也在官方博客中提醒：
MatterGen模子最佳和咱们的另一款MatterSim模子搭配食用。
在材料发现领域，它们各自愿挥着专有而互补的作用，重塑了计议东说念主员想象和考证新材料的格式。
一句话， MatterGen提决策，MatterSim进一步揣测。
一朝MatterGen生成了可能的材料结构，MatterSim便愚弄严格的议论分析来进一步揣测这种可能性。后者就像筛子通常，从表面上可能和本体上可能之间筛选出可行的。
据了解，MatterSim模子趋奉了深度学习技艺，通过学习原子之间的相互作用，在王人备零度到5000开尔文、从圭臬大气压到一千万倍大气压范围内，模拟金属、氧化物、硫化物、卤化物过头不同现象（如晶体、非晶固体和液体）等多种材料。
一个经过定制的MatterSim模子，仅需3%的原始数据，就能达到预期的实践精度模拟。
那么接下来的问题是：MatterGen有哪些本体应用呢？
合成了一种新式材料TaCr₂O₆对此，论文也提到了几种典型应用场景。
比如在标的化学系统中生成材料。
与替代法和随即结构搜索（RSS）对比，在多种化学体系中，MatterGen生成S.U.N.（表露Stable、专有Unique、新颖Novel）结构比例最高。
况且在五元体系（即由五种元素构成的体系，体现复杂性）发扬杰出，议论效果上风赫然，在V-Sr-O （ 钒- 锶- 氧）体系也发现了更多新颖结构。
再比如想象具有标的磁性、电子和力学性能的材料。
不错看到，针对磁性、电子和机械性颖慧系的逆想象任务，MatterGen在不同鸿沟标签数据下均能使生成材料性能值向标的偏移。
且在有限DFT议论预算下，比拟筛选样子，能找到更多怡悦顶点性能拘谨的S.U.N.材料。
临了论文还提到了想象低供应链风险磁铁。
毛糙说，以想象高磁密度且低供应链风险的磁铁为例，MatterGen生成结构围绕标的值踱步，连合优化磁性密度和低Herfindahl - Hirschman指数（HHI）时，能减少供应链风险元素，还再行发现很多雷同永磁材料的实践合成结构。
与此同期，为了考证MatterGen的灵验性，微软团队还和中科院SIAT（深圳先进技艺计议院）团队配合合成了一种新材料TaCr₂O₆。
这一材料是通过对MatterGen生成的高体积模量材料进行多轮筛选后赢得，实践测多礼积模量为169GPa，与200GPa想象值相对罪过低于20%。
若此戒指能推论，将对电板、燃料电板等想象影响深切。
总之，按照微软对上述计议的评价：
MatterGen使生成式AI援助材料想象干涉了一个新范式，允许高效探索材料，杰出了已知材料的有限聚合。
你何如看？
论文：
https://www.nature.com/articles/s41586-025-08628-5GitHub：https://github.com/microsoft/mattergen— 完 —
量子位 QbitAI · 头条号签约
温雅咱们，第一时期获知前沿科技动态